利用人工神经网络方法获取海表面空气温度

摘要：

探讨了将遥感反演数据与人工神经网络(ANN)模型结合来获取日平均海表面空气温度(Ta)的方法.研究表明:(1)ANN方法所获取Ta与船测Ta之间的平均偏差主要分布于-1～1℃之间,均方根误差主要分布于0～1℃之间;(2)ANN方法所获取Ta与船测Ta之间的总的均方根误差(相关系数)为0.9584℃(0.97);多次线性回归(MLR)方法所获取Ta与船测Ta之间的总的均方根误差(相关系数)为1.578℃(0.89);(3)在整个研究区域内,用ANN方法获取Ta时的平均偏差和均方根误差大多数比用MLR方法获取Ta时的平均偏差和均方根误差小,在黄、东海,用MLR方法获取Ta时比用ANN方法获取Ta时的平均偏差和均方根误差大很多(大多数均大于0.5℃,最高可达7.3℃).在获取Ta时,相对于MLR方法,ANN方法具有更好的性能和更强的区域适应性,显示出ANN方法处理非线性问题的优势.

关键词：遥感反演数据、海表面空气温度、人工神经网络、多次线性回归(MLR)

所属期刊栏目：16

分类号：P4(大气科学（气象学）)

资助基金：国家高技术研究发展计划863计划2001AA633060;中国科学院知识创新工程项目KJCX3-SW-219

在线出版日期：2006-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：870-875